[发明专利]一种用于视觉测量的摄像机参数优化方法

说明书

技术领域

本发明属于测量技术领域，涉及一种用于视觉测量的摄像机参数优化方法。

背景技术

摄像机标定是视觉测量中一个重要而关键的环节，所谓摄像机标定就是指根据摄像机模型，利用特征点的提取图像坐标和已知世界坐标求解模型参数，从而建立物体空间和图像平面的映射关系。摄像机模型参数通常分为内部参数和外部参数，其中内部参数为摄像机固有参数，不会因为摄像机位置变化而改变，外部参数则反映的是摄像机坐标系与世界坐标系的位置关系。

为了获得较高的标定精度，一般需要采用优化方法估计出摄像机内部参数和外部参数。传统的摄像机参数优化方法是根据摄像机模型，将已知物空间特征点投影到图像平面上，得到特征点的模型图像坐标，模型图像坐标与摄像机实际探测到的图像坐标存在偏差，通过非线性优化的过程使得这种偏差达到最小，从而求出偏差最小时的参数，即摄像机参数的最优解。例如：Weng Juyang，et al.的论文“Camera calibration with distortion models and accuracy evaluation.IEEE Transactions on Pattern Analysis and Machine Intelligence[J].1992，14(10)：965-980”和Zhang Zhengyou的论文“A flexible new technique for camera calibration.IEEE Transactions on Pattern Analysis and Machine Intelligence[J].2000，22(11)：1330-1334”，上述两篇论文采用的是不同的摄像机标定方法，但是摄像机参数的优化均是在二维图像平面内讨论：根据摄像机模型以及参数的初始估计值将特征点在测量空间中的坐标重投影到图像平面，得到一系列模型像素坐标，将模型像素坐标与采用图像处理方法获取的实际图像坐标逐一比较，两种坐标对应点的偏差之和作为优化目标函数，利用非线性优化算法(例如Levenberg-Marquardt算法或Newton-Raphson算法)求解目标函数最小化时的模型参数，即摄像机参数的最优解。

传统的摄像机参数优化方法是建立在二维图像平面上，以最小化图像像素距离误差作为目标函数，反复迭代搜索获取参数的最优解。然而，实际的视觉测量流程是在三维物体空间中进行的，例如最基本的距离和角度测量都需要在世界坐标系或者摄像机坐标系下进行，传统的参数优化过程与实际测量流程各自的坐标系并不一致，会带来测量精度下降等问题。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种用于视觉测量的摄像机参数优化方法。

本发明的技术解决方案为：一种用于视觉测量的摄像机参数优化方法，其特征在于该方法包含以下步骤：

1、在摄像机的视场范围内，自由移动靶标至少3个位置，每移动一个位置，拍摄一幅图像，称为标定图像，靶标上所有的特征点应包含在标定图像中；提取标定图像中的特征点的图像坐标，并与特征点的世界坐标对应；

2、利用步骤1提取的所有特征点的图像坐标与对应的世界坐标标定摄像机内部参数和外部参数，摄像机内部参数包括摄像机的有效焦距、主点及畸变系数；采用以图像特征点重投影误差最小为目标函数的传统优化方法对摄像机参数进行初次优化，优化结果作为第二次优化计算的初始值；

3、利用步骤2标定的摄像机畸变参数对特征点的图像坐标进行畸变矫正，求出特征点的无畸变图像坐标；

4、以投影中心为端点，连接投影中心与无畸变图像特征点的射线称为投影射线，在摄像机坐标系下，计算投影射线的方程；

5、在摄像机坐标系下，计算步骤1所述的不同拍摄位置的靶标平面方程，并计算投影射线与对应靶标平面的交点，将交点称为计算特征点；

6、计算各个已知特征点在摄像机坐标系下的坐标，将其与步骤5获得的摄像机坐标系下的计算特征点的坐标比较，以二者距离和最小作为目标函数对摄像机参数再次进行非线性优化。

步骤1所述的靶标为玻璃材质的平面靶标，靶标特征点为平面上的10×10个格点，格点之间的最小距离为9mm，其距离精度为0.001mm～0.01mm。

步骤2和步骤6所述的非线性优化均采用Levenberg-Marquardt算法处理目标函数的极小化问题。

本发明与现有技术相比的优点在于：